torch_geometric笔记：max_pool 与max_pool_x

1 max_pool 

1.1 函数介绍

torch_geometric.nn.max_pool(
    cluster, 
    data,
    transform=None)

        对由torch_geometricy .data给出的图形进行池化和粗化。

        数据对象根据集群cluster中定义的集群。同一集群中的所有节点将表示为一个节点。最终节点特征由同一簇内所有节点的特征最大值定义，节点位置平均，边的index定义为同一簇内所有节点的边index的并集。

1.2 参数说明

cluster (LongTensor)	簇向量，每一个维度表示了一个点属于哪个簇
data (Data)	torch_geometric的data 对象
transform (callable, optional)	一个函数/转换，接受粗化和池化的torch_geometry .data。数据对象，并返回转换后的版本。

 返回torch_geometric的data 对象

1.3 举例说明

假如我们一开始的data 为：

Batch(x=[9893, 1], edge_index=[2, 34637], y=[9893, 1], batch=[9893], ptr=[2])

from torch_geometric.nn import max_pool

cluster = graclus(data.edge_index, num_nodes=x.shape[0])
cluster
#tensor([   0,    1,    1,  ..., 9890, 9891, 9892]) 
#第i维表示第i个点在以第几个点为中心点的簇中

data_c = max_pool(
    cluster, 
    data)
data_c
#Batch(x=[5863, 1], edge_index=[2, 21983], batch=[5863]) 
#分成了5863 个cluster

1.3.1 mini-batch 的max_pool

在mini_batch的话，需要这样写：

data_c = max_pool(
    cluster, 
    Data(
        x=data.x, 
        batch=data.batch, 
        edge_index=data.edge_index))
data

2 max_pool_x

对一个cluster中中的x的特征进行最大池化操作

max_pool_x(
    cluster, 
    x, 
    batch, 
    size: Optional[int] = None)

注意和max_pool的区别

max_pool 返回的是data，max_pool_x返回的是Tensor

max_pool 相当于max_pool_x的基础上，再对图的边进行了修改合并操作